基于TensorFlow的CNN实现Mnist手写数字识别_Python

本文实例为大家分享了基于TensorFlow的CNN实现Mnist手写数字识别的具体代码，供大家参考，具体内容如下

一、CNN模型结构

基于TensorFlow的CNN实现Mnist手写数字识别

输入层：Mnist数据集（28*28）
第一层卷积：感受视野5*5，步长为1，卷积核：32个
第一层池化：池化视野2*2，步长为2
第二层卷积：感受视野5*5，步长为1，卷积核：64个
第二层池化：池化视野2*2，步长为2
全连接层：设置1024个神经元
输出层：0~9十个数字类别

二、代码实现

				?

									import tensorflow as tf

									#Tensorflow提供了一个类来处理MNIST数据

									from tensorflow.examples.tutorials.mnist import input_data

									import time

									#载入数据集

									mnist=input_data.read_data_sets('MNIST_data',one_hot=True)

									#设置批次的大小

									batch_size=100

									#计算一共有多少个批次

									n_batch=mnist.train.num_examples//batch_size

									#定义初始化权值函数

									def weight_variable(shape):

									 initial=tf.truncated_normal(shape,stddev=0.1)

									 return tf.Variable(initial)

									#定义初始化偏置函数

									def bias_variable(shape):

									 initial=tf.constant(0.1,shape=shape)

									 return tf.Variable(initial)

									#卷积层

									def conv2d(input,filter):

									 return tf.nn.conv2d(input,filter,strides=[1,1,1,1],padding='SAME')

									#池化层

									def max_pool_2x2(value):

									 return tf.nn.max_pool(value,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')

									#输入层

									#定义两个placeholder

									x=tf.placeholder(tf.float32,[None,784]) #28*28

									y=tf.placeholder(tf.float32,[None,10])

									#改变x的格式转为4维的向量[batch,in_hight,in_width,in_channels]

									x_image=tf.reshape(x,[-1,28,28,1])

									#卷积、激励、池化操作

									#初始化第一个卷积层的权值和偏置

									W_conv1=weight_variable([5,5,1,32]) #5*5的采样窗口，32个卷积核从1个平面抽取特征

									b_conv1=bias_variable([32]) #每一个卷积核一个偏置值

									#把x_image和权值向量进行卷积，再加上偏置值，然后应用于relu激活函数

									h_conv1=tf.nn.relu(conv2d(x_image,W_conv1)+b_conv1)

									h_pool1=max_pool_2x2(h_conv1) #进行max_pooling 池化层

									#初始化第二个卷积层的权值和偏置

									W_conv2=weight_variable([5,5,32,64]) #5*5的采样窗口，64个卷积核从32个平面抽取特征

									b_conv2=bias_variable([64])

									#把第一个池化层结果和权值向量进行卷积，再加上偏置值，然后应用于relu激活函数

									h_conv2=tf.nn.relu(conv2d(h_pool1,W_conv2)+b_conv2)

									h_pool2=max_pool_2x2(h_conv2) #池化层

									#28*28的图片第一次卷积后还是28*28，第一次池化后变为14*14

									#第二次卷积后为14*14，第二次池化后变为了7*7

									#经过上面操作后得到64张7*7的平面

									#全连接层

									#初始化第一个全连接层的权值

									W_fc1=weight_variable([7*7*64,1024])#经过池化层后有7*7*64个神经元，全连接层有1024个神经元

									b_fc1 = bias_variable([1024])#1024个节点

									#把池化层2的输出扁平化为1维

									h_pool2_flat = tf.reshape(h_pool2,[-1,7*7*64])

									#求第一个全连接层的输出

									h_fc1=tf.nn.relu(tf.matmul(h_pool2_flat,W_fc1)+b_fc1)

									#keep_prob用来表示神经元的输出概率

									keep_prob=tf.placeholder(tf.float32)

									h_fc1_drop=tf.nn.dropout(h_fc1,keep_prob)

									#初始化第二个全连接层

									W_fc2=weight_variable([1024,10])

									b_fc2=bias_variable([10])

									#输出层

									#计算输出

									prediction=tf.nn.softmax(tf.matmul(h_fc1_drop,W_fc2)+b_fc2)

									#交叉熵代价函数

									cross_entropy=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y,logits=prediction))

									#使用AdamOptimizer进行优化

									train_step=tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

									#结果存放在一个布尔列表中(argmax函数返回一维张量中最大的值所在的位置)

									correct_prediction=tf.equal(tf.argmax(prediction,1),tf.argmax(y,1))

									#求准确率(tf.cast将布尔值转换为float型)

									accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))

									#创建会话

									with tf.Session() as sess:

									 start_time=time.clock()

									 sess.run(tf.global_variables_initializer()) #初始化变量

									 for epoch in range(21): #迭代21次（训练21次）

									 for batch in range(n_batch):

									 batch_xs,batch_ys=mnist.train.next_batch(batch_size)

									 sess.run(train_step,feed_dict={x:batch_xs,y:batch_ys,keep_prob:0.7}) #进行迭代训练

									 #测试数据计算出准确率

									 acc=sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels,keep_prob:1.0})

									 print('Iter'+str(epoch)+',Testing Accuracy='+str(acc))

									 end_time=time.clock()

									 print('Running time:%s Second'%(end_time-start_time)) #输出运行时间

运行结果：

基于TensorFlow的CNN实现Mnist手写数字识别

三、TensorFlow主要函数说明

1、卷积层

				?

									tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

（1）data_format：表示输入的格式，有两种分别为：“NHWC”和“NCHW”，默认为“NHWC”

（2）input：输入是一个4维格式的（图像）数据，数据的 shape 由 data_format 决定：当 data_format 为“NHWC”输入数据的shape表示为[batch, in_height, in_width, in_channels]，分别表示训练时一个batch的图片数量、图片高度、图片宽度、图像通道数。当 data_format 为“NHWC”输入数据的shape表示为[batch, in_channels， in_height, in_width]

（3）filter：卷积核是一个4维格式的数据：shape表示为：[height,width,in_channels, out_channels]，分别表示卷积核的高、宽、深度（与输入的in_channels应相同）、输出 feature map的个数（即卷积核的个数）。

（4）strides：表示步长：一个长度为4的一维列表，每个元素跟data_format互相对应，表示在data_format每一维上的移动步长。当输入的默认格式为：“NHWC”，则 strides = [batch , in_height , in_width, in_channels]。其中 batch 和 in_channels 要求一定为1，即只能在一个样本的一个通道上的特征图上进行移动，in_height , in_width表示卷积核在特征图的高度和宽度上移动的布长。

（5）padding：表示填充方式：“SAME”表示采用填充的方式，简单地理解为以0填充边缘，当stride为1时，输入和输出的维度相同；“VALID”表示采用不填充的方式，多余地进行丢弃。

对于卷积操作：

基于TensorFlow的CNN实现Mnist手写数字识别

2、池化层

				?

									#池化层：

									#Max pooling：取“池化视野”矩阵中的最大值

									tf.nn.max_pool( value, ksize,strides,padding,data_format='NHWC',name=None)

									#Average pooling：取“池化视野”矩阵中的平均值

									tf.nn.avg_pool(value, ksize,strides,padding,data_format='NHWC',name=None)